图像处理作业1zu2o.docx
- 文档编号:5865999
- 上传时间:2023-01-01
- 格式:DOCX
- 页数:14
- 大小:368.61KB
图像处理作业1zu2o.docx
《图像处理作业1zu2o.docx》由会员分享,可在线阅读,更多相关《图像处理作业1zu2o.docx(14页珍藏版)》请在冰豆网上搜索。
图像处理作业1zu2o
图像处理大作业
2011-7-4
一、填空题
1、列举数字图像处理的三个应用领域工业、医学、军事
2、存储一幅大小为10241024,256个灰度级的图像,需要8Mbit。
3、亮度鉴别实验表明,韦伯比越大,贝y亮度鉴别能力越差。
4、直方图均衡化适用于增强直方图呈尖峰分布的图像。
5、对于彩色图像,通常用以区别颜色的特性是色週、饱和度、亮度。
二、选择题
1、采用幕次变换进行灰度变换时,当幕次取大于1时,该变换是针对如下哪一类图像进行增强。
(B)
A图像整体偏暗B图像整体偏亮
C图像细节淹没在暗背景中D图像同时存在过亮和过暗背景
2、图像灰度方差说明了图像哪一个属性。
(B)
A平均灰度B图像对比度
图像细节
C图像整体亮度
3、计算机显示器主要采用哪一种彩色模型(A)
A、RGBB、CMY或CMYKC、HSID、HSV
4、采用模板]-11]T主要检测(A)方向的边缘。
A.水平B.45C.垂直D.135
5、下列算法中属于图象锐化处理的是:
(C)
A.低通滤波B.加权平均法C.高通滤波D.中值滤波
6、维纳滤波器通常用于(C)
A、去噪B、减小图像动态范围C、复原图像D、平滑图
像
7、彩色图像增强时,_C处理可以采用RGB彩色模型。
A.直方图均衡化B.同态滤波
C.加权均值滤波D.中值滤波
8B—滤波器在对图像复原过程中需要计算噪声功率谱和图像功率
谱。
A.逆滤波B.维纳滤波
C.约束最小二乘滤波D.同态滤波
9、高通滤波后的图像通常较暗,为改善这种情况,将高通滤波器的
转移函数加上一常数量以便引入一些低频分量。
这样的滤波器叫
B_。
C.高频加强滤波器D.理想高通滤波器
10、图象与灰度直方图间的对应关系是_B
A.——对应B.多对一C.一对多D.都不
二、判断题
1、马赫带效应是指图像不同灰度级条带之间在灰度交界处存在的毛边现象。
(V)
2、高斯低通滤波器在选择小的截止频率时存在振铃效应和模糊现象。
(x)
3、均值平滑滤波器可用于锐化图像边缘。
(x)
4、高频加强滤波器可以有效增强图像边缘和灰度平滑区的对比度。
(V)
5、图像取反操作适用于增强图像主体灰度偏亮的图像
6、彩色图像增强时采用RGB莫型进行直方图均衡化可以在不改变图
像颜色的基础上对图像的亮度进行对比度增强。
(x)
7、变换编码常用于有损压缩。
(V)
8同态滤波器可以同时实现动态范围压缩和对比度增强。
(V)
9、拉普拉斯算子可用于图像的平滑处理。
(x)
10、当计算机显示器显示的颜色偏蓝时,提高红色和绿色分量可以对
颜色进行校正。
(V)
四计算题
1、试给出把灰度范围(0,10)拉伸为(0,15),把灰度范围(10,
20)移到(15,25),并把灰度范围(20,30)压缩为(25,30)的变换方程。
(1)g(x,y)「|f(x,y);
(2)、g(x,y)=f(x,y)5
(3)、g(x,yp2f(x,y)25
2、为什么一般情况下对离散图像的直方图均衡化并不能产生完全平
坦的直方图?
答:
这是由于直方图均衡化是将图像灰度的概率密度均匀分布,只将几个像素较
少的灰度级归并到了一个新的灰度级上,而像素较多的灰度级间隔拉大。
3、如果一幅图像已经用直方图均衡化方法进行了处理,那么对处理后的图像再次应用直方图均衡化,处理的结果会不会更好?
答:
处理结果与处理前结果大致相同,没有太大的变化,只是平均值稍有所变。
4、已知一幅64X64数字图像的灰度级有8个,各灰度级出现的频数如表4-7a所示。
试将此幅图像进行直方图变换,使其变换后的图像具有如表4.7b所示的灰度级分布,并画出变换前后图像的直方图。
表4-7a表4-7b
f(x,y)
nk
njn
g(x,y)
nk
nk/n
0
560
0.14
0
0
0
1
920
0.22
1
0
0
2
1046
0.26
2
0
0
3
705
0.17
3
790
0.19
4
356
0.09
4
1023
0.25
5
267
0.06
5
850
0.21
6
170
0.04
6
985
0.24
7
72
0.02
7
448
0.11
解:
So
Si
S2
S3
S4
S5
S6
S7
处理前
ro
560
560
ri
230
690
920
「2
333
713
1046
「3
137
568
705
r4
356
356
「5
61
206
267
「6
170
170
r7
72
72
处理后
0
0
0
790
1023
850
985
448
5、已知一幅图像的灰度级为8,即(0,1)之间划分为8个灰度等级。
图像的左边一半为深灰色,其灰度级为1/7,而右边一半是黑色,其灰度级为0,如图4-53所示。
试对此图像进行直方图均衡化处理,并描述一下处理后的图像是一幅什么样的图像。
题4-5图
解:
用直方图均衡化处理后左边的深灰色变为白色其灰度值为255,即等级为1
6、有一幅图像由于受到干扰,图中有若干个亮点(灰度值为255),如图4-54所示。
试问此类图像如何处理,并将处理后的图像画出来。
1
1
1
8
7
4
2
255
2
3
3
3
3
3
255
4
3
3
3
3
3
255
4
6
3
3
4
5
255
8
2
3
4
6
7
8
题4-6图
解:
用31的模块进行中值滤波
?
?
?
?
?
?
2
3
2
4
3
3
3
3
3
4
3
3
3
3
3
5
4
6
3
3
4
5
7
8
?
?
?
?
?
?
7、数字图像增强中拉普拉斯算子常用什么形式?
试用拉普拉斯算子对图4-55进行增强运算,并将增强后的图像画出来。
0
0
0
0
0
0
0
0
0
0:
0
0
0
\0
0
0:
0
0
1
1
1
1
0
0
0
0
1
1
1
1
0
0
0
0
1
1
1
1
0
0
0
0
1
1
1
1
0
0
0
01
0
0
0
0
0
01
0
0
0
0
0
0
0
0
题4-7图
解:
数字图像增强中拉普拉斯算子常用形式为
f(x+iy)+f(x-iy)+f(xyT)+f(xy-i)-4f(xy)
处理后图像为:
?
?
?
?
?
?
?
?
?
0
0
0
0
0
0
?
?
0
1
1
1
1
0
?
?
0
1
0
0
1
0
?
?
0
1
0
0
1
0
?
?
0
1
1
1
1
0
?
?
0
0
0
0
0
0
?
?
?
?
?
?
?
?
?
8试画出几种高通滤波器的特性曲线。
9、试讨论用于平滑处理的滤波器和用于锐化处理的滤波器之间的区别和联系。
不同
相同
平滑
低通滤波器,主要用来去除噪声
都有理想、指数巴特沃思、梯形这几种滤波器,都是图像增强的方法,从而满足视觉的要求。
锐化
高通滤波器,主要用来增强边缘信息
10有一种常用的图像增强技术是将高频增强和直方图均衡化结合起来以达到使边缘锐化的反差增强效果。
试讨论这两种处理的先后顺序对增强效果有什么影响,并分析其原因。
答:
先用直方图均衡后用高频增强效果会好一些,因为如果图像偏亮或偏暗
时,高频增强会减少一些灰度信息。
11说明离散傅立叶变换(DFT和快速傅立叶变换(FFT计算量上的关系。
N点DFT共需要N2次复数乘法和N(N-1)次复数加法,共4N2次实数乘法和(2N2+2N*(N-1))次实数加法。
利用FFT算法之后,任何一个N为2的整数幕(即N二2M的DFT都可以通过M次分解,最后成为2点的DFT来计算。
大多数情况下复数乘法所花的时间最多,所以以复数乘法的计算次数来比较DFT与FFT的效率为:
DFT/FFT=2N/log2N。
五动手题
1对给出的一段视频,计算一辆或多辆车的车速
要求:
(1)说明总体思路
(2)给出每一步的处理方法、程序及结果
(3)对每一步的方法展开讨论
(4)不限工具
(5)针交通测速的要求及目前常用的交通测速方法,提出基于图像
处理测速的总体设计思路。
、序言
随着社会经济的快速发展,交通系统日益复杂。
智能交通系统的出现为交通系统的管理提供了各种实时交通信息,方便、高效地利用和管理了现有的交通系
统,作为交通流基本参数之一,实时车速也具有基本的交通流特性,它的采集手段有很多,目前,交通流信息采集设备的种类很多,如测速雷达、交通微波探测器、超声波检测器、红外线检测器、环形检测线圈等,这些方法的缺陷有以下几个方面:
(1)不便于安装和维护,甚至有的需要对路面挖掘以埋入检测器或进行抢修,不但破损路面,而且容易造成交通堵塞;
(2)所获取的信号不直观,需要经过较复杂的处理,才能获取有用的交通参量,不便于实时控制;(3)能够检测的交通参量有限,一般只用于汽车流量及速度的检测,不能适应现代智能交通系统需要的更多参数的检测;(4)设备使用寿命短,故障率高。
根据西方很多城市的报告,在其运行交通控制系统时,至少有25%至35%勺电磁线圈检测器处于非工作状态或发生故障。
通过视频图像的检测与识别,可以对道路的交通流、路况等实时监视,提取交通流信息(车流量、车速、车型、车道占有率、排队长度等),在交通拥挤未发生时,及时采取措施、疏导交通、防止交通拥挤发生。
该方法具有不需要改造路面,可检测多参数、检测范围大、使用灵活等特点,有广阔的应用前景。
随着计算机技术和电子技术的迅猛发展,现有计算机己具有很强的数据处理能力,这为计算机视觉、图像处理以及模式识别技术应用于交通流信息采集系统中提供了强大的技术保障。
基于图像处理的车速测量系统利用摄像机对交通流进行摄像,采用计算机图像处理和模式识别技术对连续的交通流图像进行处理,从而
达到监测交通流的目的这种方式具有安装简便,不破坏路面,不受天气影响,设
置灵活,监测项目多,覆盖范围广,检测精度高等优点。
二、基于图像处理的车辆测速
2.1总体思路
在基于视频图像处理的测速方法中,主要需解决的问题是从图像序列中获得车辆移动的距离,即找到两张图像中车辆位置的匹配关系。
要获得车辆在路面上实际移动的距离,首先需要提取相邻两帧要测车辆的图像帧,在第n帧图像中选取一些特征点或特征区域,在第n+1帧中确定与之相应
的特征点或特征区域在图像中的位置,并且保证使用的摄像机是固定架设不动的(包括空间位置不动和摄像角度不动,这在工程中完全可以做到),则两帧图像中的像素点即有了对应可比性,分别定位到特征点或特征区域在两幅图像中的位置S1(t1时刻帧图像中)和S0(tO时刻帧图像中),相减可以得到对应点或者对应在t1-t0(即t,相邻帧间的时间,很容易获得)时间内移动的像素距离(S1-SO)。
根据速度公式,自然可以求得该块在图像中的移动速度,单位为像素/秒。
然后通过间接的方法,算出实际距离与像素距离的关系,从而由公式v=d/二(d1-do)/(t1-to)计算出车速。
2.2具体算法:
2.2.1找出特征区域。
在本例中假设选用车头区域作为特征区域
首先要选取监控视频中相邻的两帧图像,然后对图像帧进行预处理。
预处理时
先对图像进行灰度化,结果如图2所示。
由于视频图像中的存在噪声,要先进行滤波,滤波后图像如图3可视。
由视频可以看出,此镜头内有3个车道,为了避免其他车道的影响,先将其他的去掉,同时,为了减少视频下面的影响,将下面的字去掉,结果如图4所示。
此后,要对图像进行二值化,结果如图5所示。
然后从最后一行开始统计在垂直方向统计白点的个数,统计之后的曲线如图6所
示,最后从后往前,将曲线中第一次连续超过列的1/3的行数找出来,将这些行所在的图像,也就是车头,作为特征区域,结果如图7所示。
程序如下:
将图像转化为灰度图像
显示灰度图像
灰度图像尺寸
Img=medfilt2(I);%滤波
Figure,imshow(Img);
N1=floor(23);%图像列的三分之一
M仁floor(M/6);%图像行的三分之一
img1=img(1:
M1*5,N1:
N1*2);%选取中间的车道
figure,imshow(img1);%I1=im2bw(img1);%figure,imshow(I1);%[mn]=size(I1);%count=zeros(1,m);%fori=1:
m%
forj=1:
nifI1(i,j)==1
显示图像对图像进行二值化显示二值图像图像的尺寸用于计数向垂直投影
count(i)=count(i)+1;
end
endend
figure,plot(count);%显示投影后的曲线
C=find(count>n*(1/3));%找出曲线中连续大于列的三分之一
[l,w]=size(C);%找到的符合条件的
i=w;
while(C(i)-C(i-1)==1)%i=i-1;
从后往前寻找到第一个满足条件的位置
end
I2=img1(C(i):
C(w),1:
n);%
figure,imshow(I2);%
S1=floor((m-i)/2);%
地位符合条件的位置显示定位的图像找到特征区域的中心位置
2.1.2计算车速
上面是视频片段中相邻的两帧,由两帧图像中可以看到车辆朝摄像机方向由远至近行驶时,视野中的车辆是由上向下运动的。
按照上面的方法,找到相邻两帧中车头的位置,在这时如果摄像角度和位置不动,贝U帧图像中的像素点便有了可比性。
图8
在两幅图像中的位置S1(t1时刻帧图像中)和S0(to时刻帧图像中),相减可以得到车头在t1-t0(即t)时间内移动的像素距离(S1-S0)如图2所示)。
根据速度公式,自然可以求得该块在图像中的移动速度,单位为像素/秒o
为了获得实际的车速,根据某种关系要找到像素和实际的距离的关系
设视频信号中截取到的图像,其高宽分别为576像素和768像素(此为标准视频信号分辨率),对于车辆监控视频,可以选择视频视野宽刚好为几个车道宽,设图像宽对应的实际距离为M米。
考虑摄像机的视角,如图8可知,可以得出如下结果:
768576
Mxcosv
X为视频高度所代表的路面实际距离为x米。
最后利用公式
v=d/•:
t
计算出车辆的速度,「8为汽车移动的实际距离,其中,右-t0为视频流中两帧之间的时间,这个是已知的。
三、分析
3.1预处理
3.1.1灰度处理
通常情况下,获得的原始图像是一个RGB图像,由于涉及的图像处理函数多针对灰度图像,因此需要将RGB图像转换为灰度图像,灰度图像矩阵中每个元素代表一个像素点,如果矩阵为unit8类型,其数据范围为[0,255],不同的元素数值代表不同的亮度或灰度级,数值0代表黑色,数值255代表白色,数值越大,表明该位置像素点亮度越高。
3.1.2图像滤波
从交通场景中获得的图像含有大量的点状或尖峰状噪声,多数是由于天气等原因引起的,而且运动速度较快会引起运动模糊现象。
滤波处理就是要有效地去除这两种噪声。
去噪的方法有很多,大致分为两大类:
时域去噪和频域去噪。
时域去噪的代表方法有加权平滑法、中值滤波、二值形态学法等;频域去噪的代表方法有经典数字滤波器、同态滤波、小波分析等。
3.1.3图像二值化
为了统计找到车头的位置,必须将视频帧图像进行二值化,以便统计白点的数目,定位到车头。
二值化的关键就是寻找阈值,可以根据不同的视频采用不同的方法,本文采用自动的二值化。
3.1.4车道的选择
由视频可见,视频镜头内有3个车道,如果整体定位时,会产生影响,必须对每个车道单独进行计算,如图可见,每个车道差不多见三分之一的图像画面,在这里我们选取中间的车道进行计算,对于两边的车道,可以类推。
同时为了消除视频图像下面文字的影响,将下面的文字去掉。
1.5定位特征区域
对于视频测速,关键的一个步骤就是寻找特征区域,根据不同的视频监控录像,现在已有很多种方法已经提出,例如,对车尾定位,对车灯定位等。
特征区域的定位准确与否影响到计算速度的准确性。
1.6速度的计算
在图8中,考虑到摄像设备安装的安全性和效果较好的视觉俯仰角度,一般不小于60度,此时视距c和监测点距摄像机的距离d一般比较大(通常c>13m,d>10m),当t很小时,d与d相比很小,
可以忽略图8中二的变化.门,而仅考虑由二产生的透视,此时,可以认为视野范围内所有点相对于摄像头的仰角均为二。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 处理 作业 zu2o